不熟悉设置入口的用户
知道想把界面变亮、调整显示或改变使用习惯，却记不住设置名称与菜单层级。
价值：从描述效果开始，减少搜索教程和反复找入口的成本。
Windows 11 · 0.2.0 Preview
把想法，交给桌面。
Prism 是由视觉模型驱动的原生 Windows 桌面助手。你描述想完成的事，它理解目标、观察界面，并通过真实鼠标与键盘逐步操作。
自然语言入口 / 真实桌面操作 / 随时接回控制
◈ PrismConfigure model ⚙
Your intent. Put into action.
What would you like me to do today?
For example, switch Windows to light mode…
Natural language · Ctrl + EnterStart task ↗
⚙ System settings▦ Use apps▤ Organize files
● Ready for your next idea
› Task details & conversation
› Run options
New taskResumePauseStop
A 3-second countdown precedes desktop control. Task screenshots are sent to your configured model.
Emergency hotkeys unavailable · Automatic input disabled
Emergency hotkeys unavailable · Automatic input disabled
01 / Who it is for
知道想做什么，
不必先知道该点哪里。
优先面向日常使用 Windows、希望降低软件操作门槛的人。首要切入点是“帮我找到并修改一个设置”，再逐步拓展到普通应用中的多步任务。
频繁切换软件的人
在桌面、文件管理器与普通应用间反复切换，完成细碎却需要多个步骤的事情。
价值：把分散点击组织成一个目标，减少机械操作和注意力切换。
愿意配置模型的探索者
希望体验真实 Computer Use，愿意填写自己的模型 API 配置，并在预览阶段提供反馈。
价值：使用可检查的开源实现，自主选择模型服务，并始终保留控制权。
产品面向普通用户的长期方向不变；当前版本需要自行配置 API，更适合愿意参与验证的早期用户。
02 / Problems → Value
让“告诉我怎么做”，走向“帮我做”。
Prism 的价值主张是减少从意图到操作之间的距离。以下是产品设计希望带来的改善，尚无量化的效率提升统计。
入口太深，术语难记
一个简单设置，常要先搜索再对照教程。
→
用期望结果描述目标
例如“把系统从黑的变成白的”，由模型理解为切换浅色外观。
教程与实际界面不一致
软件版本、布局和当前窗口状态各不相同。
→
观察当前界面再行动
结合屏幕图像与可用控件信息，基于当下状态选择下一步。
重复点击，打断注意力
简单目标可能横跨多个界面和操作。
→
以任务组织连续操作
保留目标、计划与执行反馈，逐步推进；完成后继续接收下一任务。
自动化过程难看懂、难接管
用户不知道正在做什么，也找不到回复入口。
→
进度、对话与控制放在一起
悬浮卡显示当前步骤，问题直接回复；暂停与停止始终可用。
A goal, not a click script
“打开设置，把系统从黑的变成白的。”
用户不需要写出逐步点击脚本。模型负责把口语目标转成可执行计划，程序负责把动作交给真实桌面并回传结果。
01 理解目标
推断为切换 Windows 浅色外观，展示任务理解。
02 创建计划
组织打开设置、定位外观选项、修改并检查等步骤。
03 观察与执行
每轮结合新画面与控件信息，执行可核对的动作。
04 核对与待命
反馈执行结果；有困难则保留任务，完成后等待新输入。
流程示意：解释产品工作方式，不代表任意界面或任意表述都已验证通过。
03 / How it works
模型理解意图，原生执行器完成动作。
采用 .NET 10 / WPF 与 Windows API 构建。界面、任务状态与桌面执行分层；视觉模型通过用户配置的 API 接入，在持续反馈中决定下一步。
一个入口，持续对话
- 自然语言输入与新任务
- 悬浮进度、详情与确认卡
- 浅深主题、胶囊与托盘
- 暂停和紧急停止入口
目标 → 计划 → 下一步
- 传入用户目标、截图与控件文字
- 维护计划与有限步骤历史
- 回传已执行动作、结果与拒绝原因
- 管理恢复、预算及具体操作批准
作用于真实桌面
- 获取当前屏幕与窗口信息
- UIA 只读辅助定位控件
- 真实系统鼠标与键盘输入
- 动作绑定任务、租约及新帧
观察界面 → 模型决策 → 本地核对 → 真实输入 → 新观察与结果反馈 ↺
混合定位，降低操作歧义
视觉提供界面上下文，Windows 控件信息辅助识别名称、位置与状态。UIA 用于只读定位，最终点击和输入仍由真实系统输入完成。无法可靠定位时保留任务，等待继续。
状态约束，避免过期动作
动作与当前任务、执行租约和画面关联。暂停、停止或开启新任务后，旧结果不能继续控制桌面。高风险操作需对具体提交确认，启用权限不等于批准所有后续动作。
当前默认预设：DeepSeek / deepseek-v4-flash-vision-exp。另提供 OpenAI-compatible、Kimi、GLM 配置入口，各服务的模型可用性与视觉能力需单独验证。
04 / Core innovations
创新在于把理解、行动与接管连起来。
这里的“创新”指项目的产品与工程设计重点，不宣称模型算法原创、行业首创，也不把提示词优化等同于模型训练。
01
从口语目标到有反馈的计划
把用户目标、当前观察、执行结果放进连续决策过程，让模型根据真实反馈修正下一步。价值在于减少用户手写步骤，而不是为每个需求固定一套点击脚本。
02
视觉理解与控件证据互补
利用图像理解整体界面，再以可用控件信息辅助核对目标。将模型提出的动作与本地执行检查衔接，缓解只看像素时的名称、位置和状态歧义。
03
在桌面现场完成协作
当前步骤默认简洁展示，理解、计划与反馈按需展开。提问、回复、确认和新任务都能在任务卡处理，让用户在操作发生的位置参与协作。
04
把可接管性做进执行状态
暂停、停止、任务切换与动作有效性共同约束输入，配合具体提交确认。既让普通操作直接推进，也让用户在关键时刻接回控制。
05 / Designed to stay out of your way
少一点界面，
多一点可理解的进度。
轻玻璃任务卡和彩虹边框提示桌面控制状态。默认只显示当前步骤，点开再看细节；完成后保留输入入口，也可以收成小胶囊。
进度可以简洁，问题不能藏起来
需要补充或批准时，直接显示问题与回复入口。通过“新任务”切换目标，避免新请求被当成旧任务的补充。
用户随时接回控制
Ctrl+Alt+F8 暂停，Ctrl+Alt+F9 紧急停止。关闭主窗口会进入托盘；彻底退出请使用托盘菜单。
◇ Controlling desktopCollapse
Checking the current option
› Plan & explanation
New taskMain windowPauseStop
Ctrl+Alt+F8 Pause · Ctrl+Alt+F9 Stop06 / Honest by design
可以体验的预览版，清楚标明能力边界。
0.2.0 Preview 1 已完成界面、桌面交互与独立分发准备。当前优先验证普通设置和应用操作，不承诺对所有 Windows 软件都能稳定自动完成任务。
1,030 / 1,030本地离线核心测试
84 / 84最终便携包界面检查
Windows x64便携包含 .NET 运行时
以上为 2026-09-06 的本地验证记录，不代表真实模型任务成功率。界面检查未调用模型、未操作其他软件；完整微信聊天查看、完整文件创建和任意应用操作尚未统一验收。在线 CI 状态以仓库 Actions 为准。
数据流向由配置决定
运行任务时，相关截图、控件文字与任务内容会发送到你配置的模型服务。密钥由用户填写，使用 Windows 当前用户加密存储。项目不附带开发者密钥。
下一阶段关注什么
优先改善陌生界面理解、多步任务恢复与真实任务成功率，补齐典型文件操作和应用场景验收。这些是后续目标，不能作为当前已交付能力。